通过具有多个分类特征的线性回归模型预测单个数据

Question

我建立了一个线性回归模型来预测产品的销售量，就我而言，我有 5 个特征，其中 4 个是分类特征。

MONTH REGION INTERVENANT CONFIG WEIGHT SALES_NB

我使用了 OneHotEncoder

from sklearn.preprocessing import OneHotEncoder
onehotencoder = OneHotEncoder(categorical_features = [0,1,2,3])
X = onehotencoder.fit_transform(X).toarray()
X = X [:, 1:]

（如有错误请指正）

我想知道如何格式化我的数据以将其传递给 predict()。实际上，如果我通过：

Xnew = np.array([[2,2,14895,614,0.1]])
ynew = regressor.predict(Xnew)

我收到这个错误：

ValueError: shapes (1,4) and (428,) not aligned: 4 (dim 1) != 428 (dim 0)

Answer 1

在将新样本传递给预测器之前尝试使用 onehotencoder 对其进行编码：

Xnew = np.array([[2,2,14895,614,0.1]])
Xnew_encoded = onehotencoder.transform(Xnew)
ynew = regressor.predict(Xnew_encoded)

通过具有多个分类特征的线性回归模型预测单个数据

single data to predict via linear regression model with more than one categorical feature

python

prediction

scikit-learn